Skeivt arkiv og bevaringen av norsk skeiv historie
Bibliographic record
Abstract
Denne masteroppgaven tar for seg fremveksten av skeive arkiver i USA, Canada, Nederland og Norge. Jeg bruker Skeivt arkiv i Bergen som det norske eksempelet, arkivet ble åpnet i 2015 og er det yngste arkivet brukt i denne masteroppgaven. Oppgaven tar også for seg hva et skeivt arkiv er, hva et community archive er og hvordan slike arkiver er viktige kilder på skeive materialer og skeiv historie. Oppgaven beveger seg også innenfor områder som stillhet, paradigmer, queering og diagnosen homofil. \n\nOppgaven er delt inn i tre deler. Den første delen gir et innblikk i fremveksten av skeive arkiver i Nord-Amerika og i Norge, med Nederland som et eksempel på hvordan skeive arkiver kan vokse frem som community archives i Europa. Som en del av oppgaven gir jeg en oversikt over når og hvordan homofilt ekteskap ble lovlig i Norge og ellers i verden, og det arbeidet som ble gjort for å endre den norske loven som gjorde det ulovlig å være homofil og ha seksuell omgang mellom menn, kjent som straffelovens paragraf 213. Oppgaven beveger seg også innom det norske arkivlovverket, stillhet, politikk og hvordan dette kan påvirke arbeidet til Skeivt arkiv. Jeg gjør også en undersøkelse på om det eksistere en skjevfordeling i innholdet til Skeivt arkiv: er arkivet dominert av hvite menn eller har kvinner donert like mye som menn?\n\nOppgavens siste del for seg hvorfor community archives er viktige i bevaringen av skeive materialer samt hvordan Skeivt arkiv driver på med en queering av andre norske arkiver gjennom deres formidlingsarbeid. En queering som enten skjer bevisst eller ubevisst. Jeg diskuterer også hvorvidt det er på tide med en norsk oversettelse på det engelske begrepet og arkivtypen, community archive. Jeg ser på mulighetene til begrepet samfunn eller fellesskap som en norsk oversettelse på community archives og kommer med et forslag på hvilket som kan være et norsk ord på community archive.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.015 | 0.007 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.149 | 0.057 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".